多传感器车载战场感知系统若干关键技术研究

多传感器车载战场感知系统若干关键技术研究

论文摘要

本文以国家973项目“雷达自动目标识别新机理新方法研究”中子课题“多传感器车载战场感知系统”的研制为背景,研究了其中若干关键技术。首先本文阐述了论文的课题背景,并回顾了基于数据融合的目标识别和多传感器管理、毫米波雷达回波信号的采样与处理分系统设计几项关键技术的国内外研究现状。第二章设计了用于毫米波雷达的双通道数字采样平台。针对双通道数字采样中通道一致性和传输时序同步两个问题,分别提出了误差补偿方案和设计方案。实现了对毫米波雷达回波的220MHz双通道数字采样。测试表明,该双通道数字采样平台在信噪比、有效位数、通道一致性方面具有良好的性能。第三章为解决毫米波雷达信号处理任务中计算量大、实时性强的矛盾,基于四片ADSP-TS101S芯片,采用共享总线和分布式LINK互联相结合的方式,设计了并行DSP处理平台。并基于该平台,提出了以流水线方式并行处理的频域数字脉压算法。第四章针对目标识别系统中的传感器管理含有大量不确定性信息的特点,提出了基于分辨力的融合目标识别系统中的传感器管理方法,采用D-S证据理论这一不确定性推理方法,依据系统整体分辨力最大的最优原则获得系统中传感器资源的管理决策。在此基础上,提出了基于分辨力增益的融合目标识别系统中的传感器管理方法,其过程中利用Bayes规则对不确定性信息进行推理以获得期望分辨力增益。第五章研究了模糊神经网络在信息融合中应用的基本理论和方法。讨论了基于模糊推理的多层前馈神经网络,给出根据误差反向传播原理的学习算法,研究了利用该类型网络进行特征级融合识别的一般性方法。继而研究了模糊ARTMAP网络用于特征层融合识别的方法,并提出了一种网络警戒参数自适应调整新算法。最后对全文的工作进行总结,指出需要进一步研究和解决的问题

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题背景
  • 1.2 多传感器信息融合概述
  • 1.2.1 多传感器信息融合的总体框架和理论方法
  • 1.2.2 融合目标识别技术
  • 1.2.3 多传感器管理技术
  • 1.2.4 多传感器信息融合在融合战场感知系统中的应用
  • 1.3 高速数字采样与并行DSP概述
  • 1.3.1 高速A/D采样技术
  • 1.3.2 高速DSP并行处理技术
  • 1.4 本论文主要研究内容与结构安排
  • 第二章 双通道零中频高速采样分析与设计
  • 2.1 引言
  • 2.2 零中频I、Q双通道高速采样不一致性的分析与校正
  • 2.3 I、Q双通道零中频高速采样的设计实现
  • 2.3.1 毫米波雷达回波信号高速采样结构设计
  • 2.3.2 双通道高速采样同步时序控制设计
  • 2.3.3 双通道高速采样电路设计
  • 2.4 I、Q双通道零中频高速采样性能测试
  • 2.5 本章小结
  • 第三章 基于并行DSP的雷达信号处理系统设计
  • 3.1 引言
  • 3.2 基于TIGERSHARC的并行处理系统分析
  • 3.2.1 并行处理的研究内容
  • 3.2.2 并行处理的性能指标
  • 3.2.3 加速比性能定律
  • 3.2.4 流水线技术概述
  • 3.2.5 TigerSHARC流水线并行处理层次
  • 3.2.6 多TigerSHARC并行处理系统性能分析
  • 3.3 基于多TIGERSHARC的并行处理系统设计
  • 3.3.1 系统结构
  • 3.3.2 并行DSP系统设计
  • 3.4 频域数字脉压的并行处理
  • 3.5 本章小结
  • 第四章基于分辨力的融合目标识别系统传感器管理方法研究
  • 4.1 引言
  • 4.2 分辨力函数及其含义
  • 4.3 基于分辨力的融合目标识别系统传感器管理方法
  • 4.3.1 融合目标识别系统传感器管理方法中的D-S证据推理
  • 4.3.2 目标函数和约束条件
  • 4.3.3 算法性能仿真与分析
  • 4.4 基于分辨力增益的融合目标识别系统传感器管理方法
  • 4.4.1 分辨力增益与融合目标识别的传感器管理方法
  • 4.4.2 算法性能仿真与分析
  • 4.5 本章小结
  • 第五章 基于模糊神经网络的融合目标识别技术研究
  • 5.1 引言
  • 5.2 模糊神经网络在信息融合中的应用研究
  • 5.2.1 模糊系统和神经网络在信息融合应用的特点
  • 5.2.2 基于模糊推理模型的多层前馈神经网络及其学习算法
  • 5.2.3 模糊多层前馈网络的学习算法
  • 5.2.4 基于模糊推理的多层前馈神经网络用于信息融合一般方法
  • 5.3 模糊ARTMAP网络及其改进
  • 5.3.1 模糊ARTMAP网络简介
  • 5.3.2 模糊ARTMAP网络的改进
  • 5.4 仿真试验与结果分析
  • 5.5 本章小结
  • 第六章 结束语
  • 6.1 论文的主要研究成果
  • 6.2 进一步的研究方向
  • 致谢
  • 作者在攻读博士学位期间发表(撰写)的论文
  • 获奖情况
  • 作者在攻读博士学位期间参与的科研项目
  • 参考文献
  • 相关论文文献

    • [1].传感器技术融入“创新思维”的课程改革探索[J]. 轻工科技 2019(12)
    • [2].传感器技术在机电自动化控制中的应用[J]. 价值工程 2020(01)
    • [3].非线性传感器的融合在多小车平台中的应用[J]. 变频器世界 2019(11)
    • [4].堡盟的视野——访堡盟电子(上海)有限公司过程传感器业务发展经理张力[J]. 今日制造与升级 2019(11)
    • [5].《仪表技术与传感器》2019年总目次[J]. 仪表技术与传感器 2019(12)
    • [6].盾构设备中传感器技术的运用[J]. 云南水力发电 2019(06)
    • [7].传感器技术在机电技术中的应用探析[J]. 价值工程 2020(02)
    • [8].用于通过经皮传感器对患者进行分析的系统[J]. 传感器世界 2019(10)
    • [9].农业种植养殖传感器产业发展分析[J]. 现代农业科技 2020(02)
    • [10].2019年全球传感器行业市场现状及发展前景分析,预测2024年市场规模将突破3000亿[J]. 变频器世界 2019(12)
    • [11].传感器技术在机电自动化中的应用[J]. 科技风 2020(03)
    • [12].机电自动化中传感器技术的创新与发展[J]. 科技创新与应用 2020(07)
    • [13].车用传感器实验课程教学改革[J]. 科技风 2020(11)
    • [14].传感器技术在机电自动化系统中的应用[J]. 科技风 2020(10)
    • [15].自动化和检查传感器技术确保产品高质量[J]. 橡胶参考资料 2020(02)
    • [16].应用型本科院校“传感器技术”课程教学方案优化分析[J]. 无线互联科技 2020(04)
    • [17].机电技术中传感器技术运用效果分析[J]. 中国设备工程 2020(09)
    • [18].机电自动化控制过程中传感器技术的应用方法[J]. 中国设备工程 2020(12)
    • [19].研究人员开发出传感器皮肤 可为机器人抓手提供细腻的触感[J]. 润滑与密封 2020(05)
    • [20].机电一体化系统中传感器技术的运用研究[J]. 湖北农机化 2020(09)
    • [21].传感器技术在机电自动化控制中的应用[J]. 湖北农机化 2020(09)
    • [22].传感器技术在机械电子中的应用[J]. 信息通信 2020(06)
    • [23].新工科背景下传感器与检测技术课程改革与实践[J]. 教育现代化 2020(41)
    • [24].基于微课高职《传感器与检测技术》课程教学实践研究[J]. 计算机产品与流通 2020(09)
    • [25].传感器技术在机电自动化控制中的应用[J]. 科技风 2020(21)
    • [26].风向传感器校准装置对比试验与探讨[J]. 海峡科学 2020(07)
    • [27].关于传感器技术在机电自动化中的实践探讨[J]. 产业创新研究 2020(16)
    • [28].传感器技术在智慧农业中的应用研究[J]. 南方农机 2020(14)
    • [29].多传感器技术工业机器人的应用分析[J]. 黑龙江科学 2020(20)
    • [30].机电自动化控制中传感器技术的应用探讨[J]. 电子制作 2020(20)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    多传感器车载战场感知系统若干关键技术研究
    下载Doc文档

    猜你喜欢